TryIpaRu

Русский графемно-фонемный преобразователь (G2P) с выводом в формате IPA.

Использует Transformer encoder-decoder модель и словарь на ~400K слов для быстрого преобразования русского текста в фонемную транскрипцию.

Установка

pip install git+https://github.com/NikiPshg/TryIPaG2P.git

Или для локальной разработки:

git clone https://github.com/NikiPshg/TryIPaG2P.git
cd TryIPaG2P
pip install -e .

Быстрый старт

from tryiparu import G2PModel

g2p = G2PModel()

result = g2p("текст в фонемы ипа формата")
print(result)
# ['tʲ', 'e', 'k', 's', 't', ' ', 'v', ' ', 'f', 'ɐ', 'n', 'ɛ', 'm', 'ɨ', ' ', 'ɪ', 'p', 'a', ' ', 'f', 'ɐ', 'r', 'm', 'a', 't', 'ə']

Параметры G2PModel

Параметр	Тип	По умолчанию	Описание
device	str | None	None	Устройство ("cpu", "cuda"). Автоопределение если None
tokenizer_file	str | None	None	Путь к BPE tokenizer JSON
model_weights	str | None	None	Путь к весам модели (.pt)
load_dataset	bool	True	Загрузить словарь для ускорения (lookup вместо inference)

Как это работает

1. Входной текст разбивается на токены (слова и пунктуация)
2. Каждое слово ищется в словаре (~400K записей)
3. Если слова нет в словаре — запускается Transformer для генерации фонем
4. Результат кешируется для повторных запросов
5. Пост-обработка объединяет диакритики, аффрикаты, ударения

Зависимости

• torch >= 2.0
• tokenizers >= 0.13

Лицензия

MIT